Java 检测无效的XML字符

关于这个问题：，在@McDowell回复中，他/她说删除无效XML字符的方法是：

String xml10pattern = "[^"
                + "\u0009\r\n" // #x9 | #xA | #xD 
                + "\u0020-\uD7FF" // [#x20-#xD7FF]
                + "\uE000-\uFFFD" // [#xE000-#xFFFD] 
                + "\ud800\udc00-\udbff\udfff" // [#x10000-#x10FFFF]
                + "]";

然后：

replaceAll(xml10pattern, "");

我有两个问题：

• 不是所有unicode字符都应该转义吗？我的意思是

  \\u0009\\u000A\\u000D…

  ，而不是

  \u0009\r\n

  ，就像我在@ogrisel的回答中看到的那样：
• 我不知道最后一个范围

  （U+10000–U+10FFFF）

  如何转换成

  “\ud800\udc00-\udbff\udfff”

  。难道不是

  “\u10000-\u10FFFF”

我真的必须检测或过滤这类字符，但我不完全确定如何做到这一点

顺便说一下，这必须在JDK1.5上运行（因此，不允许使用类似的表达式）

非常感谢

=======更新======

检测

字符串str

是否包含此类无效字符的方法是：

if (!str.replaceAll(pattern, "").equals(str)) { 
    // Contains non XML valid characters. 
}

任何其他建议都将非常受欢迎；）

1）它是双向的，

\u0009

是java转义序列，

\\u0009

是正则转义序列

---

2） Java字符串是UTF-16编码的，U+10000用2个16位字符编码

\ud800\udc00

，参见字符API Unicode字符表示法

至于第二个问题，答案是否定的；Java字符是UTF-16代码单元，因此您需要在这里匹配代理项对。但是请注意，由于Java 1.7，您也可以编写

\x10000-\x10FFFF

。@fge，这是如何做到的？我不明白

U+10000

是如何转换成

\ud800\udc00

这里我能给你的最好答案是：）它解释了前导和尾随代理是如何生成的。很好！我一直在寻找，但我没有注意到

UTF-16

。我在JAVA 6环境中（

IBM J9 VM（build 2.6，JRE 1.6.0 Linux x86-32

），在索引56附近得到了一个错误

非法字符范围
表达式：
[^\u0009\r\n\u0020-\uD7FF\uE000-\uFFFD\ud800\udc00-\udbff\udfff]
.56指向
udfff
.1）前面的反斜杠，我会在
replaceAll
中使用哪个反斜杠。两种方法都有效吗？我想检测它的用法的方式是：
str.replaceAll（pattern，”）.equals（str）
String str2=str.replaceAll（pattern，”）-您将获得删除了非xml字符的str2。将问题中的模式复制粘贴到代码中。它可以工作，没有双反斜杠